ElasticSearch从入门到精通（一）-Toy模板网

这篇具有很好参考价值的文章主要介绍了ElasticSearch从入门到精通（一）。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

1. 初识 ElasticSearch

传统数据库查询的问题：如果使用模糊查询，左边有通配符，不会走索引，全表扫描，效率比较慢

ElasticSearch从入门到精通（一）,ES,elasticsearch,大数据,搜索引擎

倒排索引

将文档进行分词，形成词条和 id 的对应关系即为反向索引。

以唐诗为例，所处包含 “ 前 ” 的诗句

正向索引：由《静夜思》 --> 窗前明月光 --->“ 前 ” 字

反向索引： “ 前 ” 字 --> 窗前明月光 --> 《静夜思》

反向索引的实现就是对诗句进行分词，分成单个的词，由词推据，即为反向索引

“ 床前明月光 ”--> 分词

将一段文本按照一定的规则，拆分为不同的词条（ term ）

ES存储和查询的原理

es的存储结构：

index（索引）：相当于 mysql的表

映射：相当于 mysql 的表结构

document(文档 ) ：相当于 mysql的表中的数据

Es查询：使用倒排索引，对 title 进行分词

ES概念详解

•ElasticSearch 是一个基于 Lucene 的搜索服务器

• 是一个分布式、高扩展、高实时的搜索与数据分析引擎

• 基于 RESTful web 接口

•Elasticsearch 是用 Java 语言开发的，并作为 Apache 许可条款下的开放源码发布，是一种流行的企业级搜索引擎

• 官网： https://www.elastic.co/

应用场景

• 搜索：海量数据的查询

• 日志数据分析

• 实时数据分析

2. 安装 ElasticSearch

https://download.csdn.net/download/weixin_44680802/88362801?spm=1001.2014.3001.5503https://download.csdn.net/download/weixin_44680802/88362801?spm=1001.2014.3001.5503

3. ElasticSearch 核心概念

索引（index）

ElasticSearch 存储数据的地方，可以理解成关系型数据库中的表。

映射（ mapping ）

mapping 定义了每个字段的类型、字段所使用的分词器等。相当于关系型数据库中的表结构。

文档（ document ）

Elasticsearch 中的最小数据单元，常以 json 格式显示。一个 document 相当于关系型数据库中的一行数据。

倒排索引

一个倒排索引由文档中所有不重复词的列表构成，对于其中每个词，对应一个包含它的文档 id 列表。

类型（ type ）

在 Elasticsearch7.X 默认 type 为 _doc

\- ES 5.x 中一个 index 可以有多种 type 。

\- ES 6.x 中一个 index 只能有一种 type 。

\- ES 7.x 以后，将逐步移除 type 这个概念，现在的操作已经不再使用，默认 _doc

4. 操作 ElasticSearch

RESTful 风格介绍

1.RESTful（Representational State Transfer ），表述性状态转移，是一组架构约束条件和原则。满足这些约束条件和原则的应用程序或设计就是RESTful 。就是一种定义接口的规范。

2. 基于 HTTP 。

3. 使用 XML 格式定义或 JSON 格式定义。

4. 每一个 URI 代表 1 种资源。

5. 客户端使用 GET 、 POST 、 PUT 、 DELETE 4 个表示操作方式的动词对服务端资源进行操作：

GET ：用来获取资源

POST ：用来新建资源（也可以用于更新资源）

PUT ：用来更新资源

DELETE ：用来删除资源

操作索引

新增

put http://ip: 端口/索引名称 #这里确实是put，不是post

查询

GET http://ip: 端口 / 索引名称 # 查询单个索引信息

GET http://ip: 端口 / 索引名称 1, 索引名称 2... # 查询多个索引信息

GET http://ip: 端口 /_all # 查询所有索引信息

删除索引

DELETE http://ip: 端口 / 索引名称

关闭、打开索引

POST http://ip: 端口 / 索引名称 /_close

POST http://ip: 端口 / 索引名称 /_open

ES 数据类型

1. 简单数据类型

字符串

聚合：相当于 mysql 中的 sum （求和）

text ：会分词，不支持聚合

keyword ：不会分词，将全部内容作为一个词条，支持聚合

数值

布尔： boolean

二进制： binary

范围类型

integer_range, float_range, long_range, double_range, date_range

日期 :date

2. 复杂数据类型

数组： [ ] Nested: nested (for arrays of JSON objects 数组类型的 JSON 对象 )

对象： { } Object: object(for single JSON objects 单个 JSON 对象 )

操作映射

创建映射

PUT person
#添加映射
PUT /person/_mapping
{
    "properties":{
        "name":{
            "type":"text"
        },
        "age":{
            "type":"integer"
        }
    }
}

#创建索引并添加映射
PUT /person1
{
    "mappings": {
        "properties": {
            "name": {
                "type": "text"
            },
            "age": {
                "type": "integer"
            }
        }
    }
}

更改映射-添加字段

#添加字段
PUT /person1/_mapping
{
    "properties": {
        "adress": {
            "type": "text"
        },

    }
}

查询映射

GET person1/_mapping

详细的mapping操作请点击这篇文章：

http://t.csdn.cn/Ex2Hxhttp://t.csdn.cn/Ex2Hx

操作文档

添加文档，指定id

POST /person1/_doc/2
{
    "name":"张三",
    "age":18,
    "address":"北京"
}

GET /person1/_doc/1

添加文档，不指定id

#添加文档，不指定id
POST /person1/_doc/
{
    "name":"张三",
    "age":18,
    "address":"北京"
}

查询所有文档

GET /person1/_search

删除指定id文档

DELETE /person1/_doc/1

5.分词器

分词:即把一段中文或者别的划分成一个个的关键字，我们在搜索时候会把自己的信息进行分词，会把数据库中或者索引库中的数据进行分词，然后进行一个匹配操作，默认的中文分词是将每个字看成一个词，比如““我爱编程”会被分为"我"∵爱"∵"编”"程”，这显然是不符合要求的，所以我们需要安装中文分词器ik来解决这个问题。如果要使用中文，建议使用ik分词器!

•IKAnalyzer 是一个开源的，基于 java 语言开发的轻量级的中文分词工具包

• 是一个基于 Maven 构建的项目

• 具有 60 万字 / 秒的高速处理能力

• 支持用户词典扩展定义

• 下载地址： https://github.com/medcl/elasticsearch-analysis-ik/archive/v7.4.0.zip

安装包在资料文件夹中提供，其中也有安装文档

https://download.csdn.net/download/weixin_44680802/88362801?spm=1001.2014.3001.5503https://download.csdn.net/download/weixin_44680802/88362801?spm=1001.2014.3001.5503

IK提供了两个分词算法: ik_smart和ik_max_word，其中 ik_ smart为最少切分， ik_ max_word为最细粒度划分

查看ik_smart的分词效果

GET /_analyze
{
    "analyzer": "ik_max_word",
    "text": "乒乓球明年总冠军"
}

查看ik_max_word 的分词效果

GET /_analyze
{
    "analyzer": "ik_smart",
    "text": "乒乓球明年总冠军"
}

使用 IK 分词器 - 查询文档

• 词条查询： term

词条查询不会分析查询条件，只有当词条和查询字符串完全匹配时才匹配搜索

• 全文查询： match

全文查询会分析查询条件，先将查询条件进行分词，然后查询，求并集

1. 创建索引，添加映射，并指定分词器为 ik 分词器

PUT person2
{
    "mappings": {
        "properties": {
            "name": {
            "type": "keyword"
            },
            "address": {
            "type": "text",
            "analyzer": "ik_max_word"
            }
        }
    }
}

2. 添加文档

POST /person2/_doc/1
{
    "name":"张三",
    "age":18,
    "address":"北京海淀区"
}
POST /person2/_doc/2
{
    "name":"李四",
    "age":18,
    "address":"北京朝阳区"
}
POST /person2/_doc/3
{
    "name":"王五",
    "age":18,
    "address":"北京昌平区"
}

3. 查询映射

GET person2

ElasticSearch从入门到精通（一）,ES,elasticsearch,大数据,搜索引擎

4. 查看分词效果

GET _analyze
{
    "analyzer": "ik_max_word",
    "text": "北京海淀"
}

5. 词条查询： term

查询 person2 中匹配到 " 北京 " 两字的词条

GET /person2/_search
{
    "query": {
        "term": {
            "address": {
                "value": "北京"
            }
        }
    }
}

6. 全文查询： match

全文查询会分析查询条件，先将查询条件进行分词，然后查询，求并集

GET /person2/_search
{
    "query": {
        "match": {
            "address":"北京昌平"
        }
    }
}

6. ElasticSearch JavaAP

SpringBoot整合ES

①搭建 SpringBoot 工程

②引入 ElasticSearch 相关坐标

<!--引入es的坐标-->
<dependency>
    <groupId>org.elasticsearch.client</groupId>
    <artifactId>elasticsearch-rest-high-level-client</artifactId>
    <version>7.4.0</version>
</dependency>
<dependency>
    <groupId>org.elasticsearch.client</groupId>
    <artifactId>elasticsearch-rest-client</artifactId>
    <version>7.4.0</version>
</dependency>
<dependency>
    <groupId>org.elasticsearch</groupId>
    <artifactId>elasticsearch</artifactId>
    <version>7.4.0</version>
</dependency>

③测试 ElasticSearchConfig

@Configuration
@ConfigurationProperties(prefix="elasticsearch")
public class ElasticSearchConfig {
    private String host;
    private int port;
    public String getHost() {
        return host;
    }
    public void setHost(String host) {
        this.host = host;
    }
    public int getPort() {
        return port;
    }
    public void setPort(int port) {
        this.port = port;
    }
    @Bean
    public RestHighLevelClient client(){
        return new RestHighLevelClient(RestClient.builder(
            new HttpHost(host,port,"http")));
    }
}

测试类

@SpringBootTest
class ElasticsearchDay01ApplicationTests {
    @Autowired
    RestHighLevelClient client;
    /**
    * 测试
    */
    @Test
    void contextLoads() {
        System.out.println(client);
    }
}

索引操作

添加索引

/**
* 添加索引
* @throws IOException
*/
@Test
public void addIndex() throws IOException {
    //1.使用client获取操作索引对象
    IndicesClient indices = client.indices();
    //2.具体操作获取返回值
    //2.1 设置索引名称
    CreateIndexRequest createIndexRequest=new CreateIndexRequest("itheima");
    CreateIndexResponse createIndexResponse =
    indices.create(createIndexRequest, RequestOptions.DEFAULT);
    //3.根据返回值判断结果
    System.out.println(createIndexResponse.isAcknowledged());
}

添加索引，并添加映射

/**
* 添加索引，并添加映射
*/
@Test
public void addIndexAndMapping() throws IOException {
    //1.使用client获取操作索引对象
    IndicesClient indices = client.indices();
    //2.具体操作获取返回值
    //2.具体操作，获取返回值
    CreateIndexRequest createIndexRequest = new
    CreateIndexRequest("itcast");
    //2.1 设置mappings
    String mapping = "{\n" +
        " \"properties\" : {\n" +
        " \"address\" : {\n" +
        " \"type\" : \"text\",\n" +
        " \"analyzer\" : \"ik_max_word\"\n" +
        " },\n" +
        " \"age\" : {\n" +
        " \"type\" : \"long\"\n" +
        " },\n" +
        " \"name\" : {\n" +
        " \"type\" : \"keyword\"\n" +
        " }\n" +
        " }\n" +
        " }";
    createIndexRequest.mapping(mapping,XContentType.JSON);
    CreateIndexResponse createIndexResponse =
    indices.create(createIndexRequest, RequestOptions.DEFAULT);
    //3.根据返回值判断结果
    System.out.println(createIndexResponse.isAcknowledged());
}

查询索引

/**
* 查询索引
*/
@Test
public void queryIndex() throws IOException {
    IndicesClient indices = client.indices();
    GetIndexRequest getRequest=new GetIndexRequest("itcast");
    GetIndexResponse response = indices.get(getRequest,
    RequestOptions.DEFAULT);
    Map<String, MappingMetaData> mappings = response.getMappings();
    //iter 提示foreach
    for (String key : mappings.keySet()) {
    System.out.println(key+"==="+mappings.get(key).getSourceAsMap());
    }
}

删除索引

/**
* 删除索引
*/
@Test
public void deleteIndex() throws IOException {
    IndicesClient indices = client.indices();
    DeleteIndexRequest deleteRequest=new DeleteIndexRequest("itheima");
    AcknowledgedResponse delete = indices.delete(deleteRequest,
    RequestOptions.DEFAULT);
    System.out.println(delete.isAcknowledged());
}

索引是否存在

/**
* 索引是否存在
*/
@Test
public void existIndex() throws IOException {
    IndicesClient indices = client.indices();
    GetIndexRequest getIndexRequest=new GetIndexRequest("itheima");
    boolean exists = indices.exists(getIndexRequest,
    RequestOptions.DEFAULT);
    System.out.println(exists);
}

文档操作文章来源地址https://www.toymoban.com/news/detail-723651.html

添加文档 , 使用 map 作为数据

@Test
public void addDoc1() throws IOException {
    Map<String, Object> map=new HashMap<>();
    map.put("name","张三");
    map.put("age","18");
    map.put("address","北京二环");
    IndexRequest request=new IndexRequest("itcast").id("1").source(map);
    IndexResponse response = client.index(request, RequestOptions.DEFAULT);
    System.out.println(response.getId());
}

添加文档 , 使用对象作为数据

@Test
public void addDoc2() throws IOException {
    Person person=new Person();
    person.setId("2");
    person.setName("李四");
    person.setAge(20);
    person.setAddress("北京三环");
    String data = JSON.toJSONString(person);
    IndexRequest request=new
    IndexRequest("itcast").id(person.getId()).source(data,XContentType.JSON);
    IndexResponse response = client.index(request, RequestOptions.DEFAULT);
    System.out.println(response.getId());
}

修改文档：添加文档时，如果 id 存在则修改， id 不存在则添加

/**
* 修改文档：添加文档时，如果id存在则修改，id不存在则添加
*/
@Test
public void UpdateDoc() throws IOException {
    Person person=new Person();
    person.setId("2");
    person.setName("李四");
    person.setAge(20);
    person.setAddress("北京三环车王");
    String data = JSON.toJSONString(person);
    IndexRequest request=new
    IndexRequest("itcast").id(person.getId()).source(data,XContentType.JSON);
    IndexResponse response = client.index(request, RequestOptions.DEFAULT);
    System.out.println(response.getId());
}

根据 id 查询文档

/**
* 根据id查询文档
*/
@Test
public void getDoc() throws IOException {
    //设置查询的索引、文档
    GetRequest indexRequest=new GetRequest("itcast","2");
    GetResponse response = client.get(indexRequest, RequestOptions.DEFAULT);
    System.out.println(response.getSourceAsString());
}

根据 id 删除文档

/**
* 根据id删除文档
*/
@Test
public void delDoc() throws IOException {
    //设置要删除的索引、文档
    DeleteRequest deleteRequest=new DeleteRequest("itcast","1");
    DeleteResponse response = client.delete(deleteRequest,
    RequestOptions.DEFAULT);
    System.out.println(response.getId());
}

到了这里，关于ElasticSearch从入门到精通（一）的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！